Otimização de Parâmetros

Otimize automaticamente os parâmetros de previsão usando diferentes algoritmos

Configuração de Otimização
Selecione o método de otimização e configure os parâmetros

Busca exaustiva em grade de parâmetros

Nível de suavização

Componente de tendência

Componente sazonal

Para Gradient Descent

Critério de convergência

K-fold validation

Método Recomendado

Bayesian Optimization

Melhor desempenho

Skill Score Máximo

90.1%

Acurácia geral

MAPE Mínimo

3.20%

Erro percentual

R² Máximo

0.968

Qualidade do ajuste

Grid Search

Skill Score

88.5%

MAPE

3.80%

0.962

RMSE

3.10

Parâmetros Otimizados

Alpha (α)0.350
Beta (β)0.120
Gamma (γ)0.080
Window Size12

Performance

Iterações729
Tempo de Convergência1250ms
MAE2.300
Gradient Descent

Skill Score

89.2%

MAPE

3.50%

0.965

RMSE

3.00

Parâmetros Otimizados

Alpha (α)0.380
Beta (β)0.110
Gamma (γ)0.090
Window Size12

Performance

Iterações45
Tempo de Convergência320ms
MAE2.200
Bayesian Optimization
Recomendado

Skill Score

90.1%

MAPE

3.20%

0.968

RMSE

2.90

Parâmetros Otimizados

Alpha (α)0.360
Beta (β)0.130
Gamma (γ)0.070
Window Size12

Performance

Iterações52
Tempo de Convergência480ms
MAE2.100
Recomendações

✓ Use Bayesian Optimization para melhor desempenho

✓ Parâmetros otimizados resultam em 40.2% de melhoria

✓ Reavalie parâmetros mensalmente para manter desempenho ótimo

Ajuste Automático Baseado em Feedback
Configure o ajuste automático de parâmetros quando a acurácia cai
Ajustar parâmetros automaticamente

Skill Score desejado

Diferença para disparar ajuste

Status: Ajuste automático ativo

Última avaliação: 2026-03-02 às 14:30

Próxima avaliação: 2026-03-09 às 14:30

Recomendações de Otimização

Bayesian Optimization oferece melhor balanço entre qualidade e tempo

✓ Use Grid Search para exploração inicial do espaço de parâmetros

✓ Use Gradient Descent para ajuste fino após Grid Search

✓ Reavalie parâmetros mensalmente para manter desempenho ótimo

✓ Implemente validação cruzada para evitar overfitting